mit发现了一种通过缩短缓冲时间和像素的方法，来增加视频数据流。

mit的计算机科学和人工智能实验室根据不同的网络环境来挑选不同的算法，开发出了一个新的ai，名为pensieve，可以带来更高质量的流媒体体验，缩短缓冲时间。

“当我们用综合数据在‘新兵训练营’里测试pensieve时，它可以搞清楚供给自适应码率（abr）算法，”博士生hongzi mao说道。他是相关文章的第一作者，下周将出席洛杉矶的sigcomm会议。“这种压力测试也表明它可以在现实世界的新环境中运行良好。”

youtube和netflix等网站并不是把完整的视频送到你的电脑上，而是把视频切成了小块，依靠abr算法来决定每一小块的分辨率。这种做法的确提供了更连贯的观看体验，也可以节省宽带流量，但是也存在一些问题。如果连接太过缓慢，youtube可能会暂时降低分辨率，保证视频连贯播放。而且因为视频是块状的，所以也不能快进。

现在有两种abr：基于速率的abr可以测量一个网络传输数据的速度；基于缓冲的abr保证视频开头的缓冲是足够的。

这两种算法目前各自只能关注一个方面，但是mit的新算法pensieve可以利用机器学习来根据网络情况选择最佳的系统。

在实验中，测试的ai使用的是wifi和lte，实验团队发现其可以使视频在同样分辨率下播放，但是要比其他方法快10-30%。此外，用户评价此ai播放的视频提高了10-25%的“体验质量”。

然而，研究人员只用一个月的下载视频测试了pensieve，且相信其在流量巨头youtube和netflix等网站上使用，性能会更好。

卡耐基梅隆大学电子与计算机工程副教授vyaz sekar也参与了本次研究，他表示：“之前控制逻辑性的方法是基于人类专家直觉的。本次研究表明这种机器学习方法有希望利用‘深度学习’类的技术。”他和卡耐基梅隆大学的其他研究人员一同想要把两种abr算法结合到一起，当取得重大进展时，他们依然遇到了网速难以模拟的困难。

除了这些进展以外，mit的新ai也非常灵活，可以让你选择如何播放。比如，如果你知道你马上就会没有信号，你可以关掉位率，牺牲分辨率保证视频的加载。

hongzi mao说：“我们的系统很灵活，你可以选择自己想要优化的方面。你甚至可以想象一个用户个性化设置自己的视频加载体验，不管想要消除再缓冲还是分辨率。”

接下来，这个团队计划用vr来测试pensieve。

研究人员表示：“4k的vr所需的位率每秒可以轻松累计几亿兆位，现在网络根本支持不了。有pensieve这样可以改善vr的系统，我们是很激动的。这是我们迈出的第一步。”

以上是网络信息转载，信息真实性自行斟酌。